Test legat de ghid · Mediu Nivel
Real-ESRGAN Practical Restoration Quiz
Learn how Real-ESRGAN simulates real-world image degradation and handles noise, compression, and memory constraints during restoration.
Întrebare 1 de 8
Ce slăbiciune cheie a ESRGAN-ului original a abordat Real-ESRGAN?
Previzualizează fiecare întrebare8 întrebări
Răspunsurile și explicațiile apar pe măsură ce susțineți testul.
- Ce slăbiciune cheie a ESRGAN-ului original a abordat Real-ESRGAN?
- A fost antrenat doar pe downscaling bicubic curat
- A funcționat doar pe imagini în tonuri de gri
- Nu putea rula pe GPU-uri
- Era nevoie de fotografii reale asociate
- Ce este modelul de „degradare de ordin înalt” Real-ESRGAN?
- Un generator de rezoluție mai mare
- Un lanț de degradări aleatorii multiple aplicate în secvență
- Un nou mecanism de atenție
- Un discriminator mai mare
- Ce arhitectură discriminatoare folosește Real-ESRGAN?
- Un singur clasificator liniar
- O rețea recurentă
- Un U-Net cu normalizare spectrală
- Un VGG înghețat
- Ce artefacte reproduc filtrele „sinc” din Real-ESRGAN?
- Bande de culoare
- Eclipsarea lentilei
- Aberația cromatică
- Sună și depășire
- Ce coloană vertebrală păstrează generatorul Real-ESRGAN de la ESRGAN?
- Blocurile RRDB
- Un encoder transformator
- O difuzie U-Net
- O stivă LSTM
- In GFPGAN’s documented inference command, which background upsampler is set by default?
- Real-ESRGAN
- ESRGAN only
- A fixed bicubic resize
- No background upsampler is supported
- What kind of images is Real-ESRGAN’s anime checkpoint intended to restore?
- Only medical CT scans
- Only satellite photographs
- Anime illustrations
- Only grayscale handwritten documents
- Why can tiled inference help when restoring a very large image?
- It guarantees that every tile contains the same details
- It replaces super-resolution with image compression
- It prevents the model from seeing any neighboring pixels
- It processes smaller patches to reduce peak memory use